O resfriamento para computação de alto desempenho cruzou um limiar decisivo. Aceleradores de IA como o H100 da NVIDIA, de 700 W, e o Blackwell B200, de 1.000 W, elevam as densidades de rack para além de 100 kW, enquanto o resfriamento a ar atinge o teto em cerca de 25 a 30 kW por rack. A resposta da indústria é o resfriamento líquido, um mercado que a Dell’Oro Group projeta alcançar cerca de US$ 7 bilhões até 2029. Para os operadores de HPC, a questão não é mais se devem adotar o resfriamento líquido, mas qual arquitetura se encaixa na carga de trabalho, no orçamento e nas restrições da instalação.
Por que o resfriamento para computação de alto desempenho se tornou o gargalo crítico em clusters de IA?
A física da transferência de calor por convecção impõe um teto rígido ao resfriamento a ar; ventoinhas e dissipadores não conseguem rompê-lo. A potência dos aceleradores subiu de forma acentuada: o H100 opera a 700 W, o Blackwell B200 a 1.000 W, e espera-se que a próxima geração, Rubin, suba ainda mais, segundo The Cooling Report. Um cluster denso de treinamento de IA eleva as densidades de rack para além de 100 kW, aproximando-se de 120 kW em algumas configurações. Os projetos de próxima geração miram de 200 a 250 kW por rack, e é por isso que o resfriamento para computação de alto desempenho subiu para o topo da agenda de design.
O MI300X da AMD e o Gaudi 3 da Intel também excedem os limites de potência que o resfriamento a ar consegue suportar, portanto não se trata de um problema de um único fornecedor. Espera-se que as cargas de trabalho globais de IA atinjam cerca de 44 GW em 2026, superando as cargas não relacionadas a IA, de aproximadamente 38 GW. Quando um único rack consome mais energia do que um pequeno prédio de escritórios, o resfriamento limita a densidade de computação, o custo de energia e a disponibilidade. As decisões de resfriamento para computação de alto desempenho agora determinam se um cluster opera em plena utilização ou sofre throttling sob estresse térmico.
Quais são as principais tecnologias de resfriamento para computação de alto desempenho em uso hoje?
Três famílias de tecnologia dominam as instalações modernas de HPC. O resfriamento a ar convencional usa unidades de tratamento de ar da sala de computadores, ventoinhas e dissipadores para rejeitar o calor. O resfriamento líquido direto ao chip, também chamado de resfriamento por cold plate, faz circular o refrigerante por placas metálicas montadas em CPUs, GPUs e módulos de memória. O resfriamento por imersão submerge servidores inteiros em um fluido dielétrico, em configurações monofásicas ou bifásicas. Cada família atende a uma faixa diferente de requisitos de resfriamento para computação de alto desempenho.
Os dados de adoção mostram a rapidez com que o cenário está mudando. A Pesquisa de Sistemas de Resfriamento 2024 do Uptime Institute, baseada em 964 respondentes, constatou que 22% já utilizam resfriamento líquido direto em suas instalações, enquanto 61% o considerariam no futuro. Quase metade dos usuários de DLC relata que menos de 10% de seus racks de TI usam a tecnologia. Para o resfriamento para computação de alto desempenho, a questão prática não é mais de qual fornecedor comprar, mas em qual arquitetura padronizar à medida que as densidades aumentam.
Quanto calor o resfriamento para computação de alto desempenho tradicional baseado em ar consegue remover?
O resfriamento a ar tem um teto prático de cerca de 25 a 30 kW por rack, um limite que não mudou significativamente há anos. A otimização não consegue romper essa fronteira. Qualquer cluster de HPC que ultrapasse cerca de 30 kW por rack exige uma estratégia diferente de rejeição de calor. Entender esse teto é o primeiro passo em qualquer estratégia de resfriamento para computação de alto desempenho.
A lacuna de eficiência é igualmente visível na eficácia do uso de energia. Data centers tradicionais resfriados a ar operam há muito tempo acima de 1.8 de PUE, segundo reportagem da China Economic Net. O resfriamento normalmente consome de 30% a 40% da energia total do data center, ficando atrás apenas do próprio equipamento de TI, que responde por 45% a 60%. Instalações com resfriamento líquido conseguem reduzir o PUE para abaixo de 1.1, e os oito nós centrais nacionais da China agora têm média em torno de 1.25. Para o resfriamento para computação de alto desempenho, esse delta de eficiência se traduz diretamente em custo operacional, pegada de carbono e na capacidade de adicionar capacidade de computação dentro de um envelope de energia existente.
Resfriamento direto ao chip ou por imersão: qual arquitetura de resfriamento para computação de alto desempenho escolher?
O resfriamento líquido direto ao chip fixa cold plates nos componentes de maior geração de calor e remove a maior parte do calor na fonte. O resfriamento por imersão submerge o servidor inteiro em um fluido dielétrico e rejeita praticamente todo o calor de cada componente. A escolha entre os dois molda todo o roadmap de resfriamento para computação de alto desempenho, por isso a decisão merece uma análise cuidadosa.
A Dell’Oro Group informa que o resfriamento líquido direto monofásico consolidou sua posição como a arquitetura dominante para clusters de IA. Para a maioria das organizações, o resfriamento direto ao chip oferece o caminho mais rápido para a capacidade de resfriamento para computação de alto desempenho, com a menor interrupção operacional. A imersão continua atraente onde as metas de densidade excedem o suporte a retrofit ou onde os operadores desejam eliminar o tratamento de ar.
Quanto custa uma atualização de resfriamento para computação de alto desempenho e o que ela economiza?
A economia do resfriamento para computação de alto desempenho está melhorando à medida que o mercado cresce. A Dell’Oro Group projeta que o mercado mundial de resfriamento líquido alcance cerca de US$ 7 bilhões em receita de fabricantes até 2029. Na China, o mercado de resfriamento líquido para centros de computação inteligente atingiu 18.4 bilhões de RMB em 2024, com crescimento de 66.1% ano a ano, e pode chegar a cerca de 130 bilhões de RMB até 2029, segundo a Academia Chinesa de Tecnologia da Informação e Comunicações.
O lado da economia do resfriamento para computação de alto desempenho é impulsionado pela redução do PUE. Passar de um PUE de 1.8 para abaixo de 1.2 pode reduzir em mais da metade o consumo de energia relacionado ao resfriamento. Os nós centrais nacionais agora têm PUE médio de 1.2 a 1.3, e projetos com resfriamento líquido demonstraram PUE abaixo de 1.1. A reutilização de calor acrescenta outra fonte de receita: o refrigerante aquecido pode alimentar sistemas de aquecimento urbano, transformando o calor residual em um ativo. Ao longo de uma vida útil de cinco anos da instalação, a economia de energia proporcionada pelas atualizações de resfriamento para computação de alto desempenho normalmente supera o custo de capital do próprio equipamento.
Como migrar um sistema de resfriamento para computação de alto desempenho sem tempo de inatividade?
A migração segue um padrão em etapas que protege as cargas de trabalho em execução. Primeiro, faça uma auditoria da carga térmica real de cada rack usando telemetria, em vez de valores nominais de placa. Segundo, faça um piloto em uma fileira ou partição, validando o fluxo de refrigerante, a detecção de vazamentos e o controle de temperatura sob carga de produção. Terceiro, expanda de forma incremental, priorizando os racks mais densos, onde o resfriamento a ar já é marginal. Um plano em fases mantém as atualizações de resfriamento para computação de alto desempenho previsíveis.
A unidade de distribuição de refrigerante é o ponto central de integração, isolando a água da instalação do refrigerante dos servidores e controlando o fluxo e a temperatura. Manifolds direcionam o refrigerante para cada servidor, e conexões de engate rápido permitem manutenção sem drenar o circuito. A detecção de vazamentos deve estar presente em todas as conexões, e o monitoramento deve acompanhar as temperaturas do refrigerante e das junções dos chips. Para gerações mistas de hardware, mantenha uma pequena zona resfriada a ar para servidores legados. Toda migração de resfriamento para computação de alto desempenho deve ser reversível no nível do rack, para que uma implantação malsucedida afete apenas uma partição, e não o cluster inteiro.
Que ganhos de confiabilidade e desempenho o resfriamento para computação de alto desempenho pode proporcionar?
O resfriamento líquido elimina o throttling térmico que afeta aceleradores resfriados a ar. Temperaturas baixas e consistentes permitem que as GPUs operem em velocidade máxima de clock por períodos prolongados, reduzindo os tempos de treinamento e simulação. A plataforma Neptune, da Lenovo, que posiciona cold plates diretamente nas GPUs e nos módulos de memória, cita menos reduções de desempenho e maior vida útil do hardware, pois os picos térmicos são eliminados. Esses ganhos transformam o resfriamento para computação de alto desempenho em uma alavanca de desempenho, e não apenas em uma utilidade.
Os operadores também estão usando gêmeos digitais para ajustar o comportamento do resfriamento. A equipe do Laboratório Nacional de Oak Ridge responsável pelo Frontier, o supercomputador exascale, construiu um Digital Twin que simula a telemetria de energia e resfriamento, permitindo que os engenheiros testem mudanças na temperatura da água de resfriamento e no agendamento antes de aplicá-las à máquina real. Isso reduz o risco de experimentar em um sistema valioso demais para ser testado diretamente. O resfriamento para computação de alto desempenho está, assim, evoluindo de uma utilidade estática para um subsistema gerenciado ativamente, no qual confiabilidade, eficiência e desempenho são otimizados em conjunto.
Como o resfriamento para computação de alto desempenho evoluirá até 2030?
Três tendências definirão o resfriamento para computação de alto desempenho até o fim da década. Primeiro, o resfriamento líquido direto monofásico continuará sendo o padrão para clusters de IA, enquanto as abordagens bifásicas e de imersão amadurecem para nichos específicos. Segundo, as densidades de rack continuarão aumentando; projetos que miram de 200 a 250 kW por rack já estão na prancheta, elevando as temperaturas do refrigerante e tornando a reutilização de calor mais atraente. Terceiro, a integração com as instalações se aprofundará, com o resfriamento líquido projetado nos prédios desde o início e a recuperação de calor como padrão em climas frios.
A implicação estratégica é direta: o resfriamento para computação de alto desempenho agora é uma decisão arquitetônica central, e não um complemento das instalações. As organizações que padronizarem racks prontos para resfriamento líquido, equipes treinadas e ferramentas de monitoramento absorverão cada nova geração de GPU sem precisar reestruturar as instalações. As que esperarem o resfriamento a ar falhar sob carga enfrentarão migrações apressadas e tempo de inatividade evitável.
Conclusão
O resfriamento para computação de alto desempenho passou de uma medida opcional de eficiência para um requisito obrigatório em clusters de escala de IA. O resfriamento a ar para em cerca de 25 a 30 kW por rack, enquanto aceleradores da classe B200 elevam os racks para além de 100 kW. O resfriamento líquido direto ao chip é a resposta dominante no curto prazo. Dados do Uptime Institute mostram que 22% das instalações já usam DLC, a Dell’Oro projeta um mercado de US$ 7 bilhões até 2029, e instalações com resfriamento líquido alcançam rotineiramente PUE abaixo de 1.2. A estrutura é prática: audite sua carga térmica, faça um piloto em uma partição, padronize racks prontos para resfriamento líquido e escale com monitoramento. Cada decisão de resfriamento para computação de alto desempenho tomada hoje determinará quais organizações conseguirão implantar a próxima geração de aceleradores em plena utilização.
发表回复